一种认知分布式天线系统的频谱拍卖方法

摘要

本发明公开了一种认知分布式天线系统的频谱拍卖方法，该方法利用分布式天线为认知次用户(SU)提供通信服务，建立认知分布式天线下频谱拍卖模型，利用认知分布式天线技术优势，通过分析不同分布式天线服务的不同SU之间干扰情况，使同一主用户（PU）的授权频段在多个SU之间复用，建立拍卖目标函数，在满足认知分布式天线下SU之间干扰限制下最大化PU的收益，实现频率复用。本方法的频谱拍卖结合了具体的技术场景，比现有的频谱拍卖方法更接近实际，便于扩展，并且结合了认知分布式天线系统的优势，能有效控制次用户间的干扰，相比于现有的频谱拍卖方式，能使次用户得到更好的通信质量，达到更高的频谱利用率。

说明书

技术领域

本发明涉及认知无线电技术领域，具体涉及一种认知分布式天线系统的频谱拍卖方法。

背景技术

面对无线通信业务需求增加和频谱资源短缺的矛盾，认知无线电中的频谱拍卖将主用户(PU)所拥有的授权频带通过拍卖分配给次用户(SU)使用，提高频谱利用率。现有的频谱拍卖研究涉及到各方面，但却未考虑将频谱拍卖与其他技术结合，在某一具体场景下进行。

分布式天线作为一种多天线技术，可在不增加频谱带宽的前提下有效提高传输性能，提高频谱利用率。现有的针对分布式天线的研究主要集中在对天线选择，信道容量，天线位置设计等方面。

将分布式天线与认知无线电结合，通过天线分散放置，减小SU与基站之间的距离，降低SU的发射功率，能有效减小对主用户PU的干扰。另外，覆盖区域变大，可使SU更好的检测到PU的授权频带，并且各SU之间可通过空分复用共用同一频带。由于两者结合的技术优势，引起学者的关注。WendongGe分析了光载分布式天线的认知无线电资源管理技术，JuntaoZhao针对基于分布式天线的SU系统，提出了分布式天线位置的设计方案，另外又通过天线选择和功率分配来最大化SU的总和速率。WeiFeng提出了基于分布式天线频谱共享的多用户协作传输方案，但是却未有对认知分布式天线系统进行频谱分配的研究。结合上述问题，本发明提出一种在认知分布式天线系统下进行的频谱拍卖方法。结合认知分布式天线和频谱拍卖优势，提高频谱利用率。

发明内容

本发明的目的是针对上述问题，提供一种认知分布式天线系统的频谱拍卖方法，利用分布式天线为认知次用户(SU)提供通信服务，建立认知分布式天线下频谱拍卖模型，利用认知分布式天线技术优势，通过分析不同分布式天线服务的不同SU之间干扰情况，使同一主用户(PU)的授权频段在多个SU之间复用，建立拍卖目标函数，在满足认知分布式天线下SU之间干扰限制下最大化PU的收益，实现频率复用。

实现本发明目的的技术方案如下：

一种认知分布式天线系统的频谱拍卖方法，包括如下步骤：

(1)构建认知分布式天线系统模型，系统中同时存在PU和SU，其中SU需接入PU的授权频段通过分布式天线进行通信，PU通过拍卖将其授权频带分配给各分布式天线下的SU；分布式天线负责对SU信号的收发，通过中心处理单元对信号进行控制和处理；SU被不同分布式天线服务，通过空分复用，同一PU的授权频带可通过不同的分布式天线分配给不同的SU使用；

(2)虽然多个SU可通过空分复用共用同一频段，但相互干扰的SU不能赢得同一频段，因此通过分布式天线间的干扰情况对各SU进行干扰判断，对各SU到各天线的距离设置干扰距离阈值，若小于给定阈值，则SU与被该天线服务的SU相互干扰，否则两SU之间没有干扰，由此构建各SUk和SUl之间的干扰矩阵C＝{c_kl}_K×K，若c_kl＝1，则SUk和l相互干扰，否则c_kl＝0；

(3)各SU在分布式天线下的信号收发过程可得到其所能达到的信干噪比；SU对授权频带的估价与其在分布式天线下所得到的信干噪比有关，设N个PU有N个授权频段，系统下有K个SU；PU将其频带保留价提交给中心处理单元，SU将其估价V＝{v_kn}_K×N提交给中心处理单元；中心处理单元根据各SU出价和PU保留价的大小比较及各SU间的出价大小比较，兼顾PU和SU收益，对频谱进行最优分配；

(4)根据认知分布式天线下各SU的干扰限制情况，将PU的授权频带通过拍卖分配给最需要的SU，以实现最大化PU的效用，基于以上分析，写出目标函数和约束限制条件，目标函数其中x_kn∈{0,1}，表示授权频带分配情况；v_kn为第k个SU对第n个授权频带的估价；

(5)根据上述目标函数，通过拉格朗日松弛算法来求解以上优化分配问题，使得目标函数最大化，得到接近最优的分配矩阵X＝{x_kn}_K×N，将授权频段分配给认知分布式天线下最需要的SU。

在某一时隙下，每个分布式天线服务一个SU，所述每个SU的传输模式为单天线传输模式。

所述步骤(2)中的信干噪比为：

其中，s_k,j为SUk和天线j的阴影衰落和路径损耗，服从均值为u_k,j，标准差为σ的对数正态随机分布，其中α是路径损耗，d_k,j为SUk和天线j之间的距离；h_k,j为瑞利衰落信道，服从独立同分布的复高斯过程；p为各天线的发射功率；P'为PU的发射功率，g_k为PU到SUk的信道系数，为服从复高斯分布的加性白噪声的方差。

所述步骤(3)中SU的估价为v_kn＝B_nlog₂(1+SINR_k)，其中B_n为授权用户的带宽，SINR表示第k个SU在信号收发过程得到的信干噪比。

所述步骤(4)中约束限制条件为：

其中C_kl为SU间的干扰矩阵，C_kl＝1，则两SUk和SUl之间有干扰，不能使用同一授权频段；

表示每个SU只需要一个授权频带；x_kn∈{0,1},k＝1,2,…,k；n＝1,2,…,N，

表示当第n个授权频带分配给第k个SU时，x_kn＝1，否则x_kn＝0。

本发明的有益效果为：本发明使频谱拍卖结合了具体的技术场景，比现有的频谱拍卖方法更接近实际，便于扩展。结合了认知分布式天线系统的优势，能有效控制SU间的干扰，相比于现有的频谱拍卖方式，能使SU得到更好的通信质量，达到更高的频谱利用率。

附图说明

图1为认知分布式天线系统模型图；

图2为认知分布式天线频谱拍卖模型图。

具体实施方式

以下结合附图对本发明做进一步详细说明。

如附图1所示，构建认知分布式天线系统模型，系统模型中同时存在主用户(PU)和次用户(SU)，其中SU通过分布式天线进行通信，PU通过拍卖将其授权频带分配给各分布式天线下的SU，SU被不同分布式天线服务，通过空分复用，同一PU的授权频带可通过不同的分布式天线分配给不同的SU使用，由此实现频率复用。认知分布式天线系统模型如一个认知分布式天线小区，主网络包括主基站，主基站在授权频带上发送信号给N个PU。次网络中引入了分布式天线，次基站为分布式天线的中心处理单元，M根分布式天线均匀分散放置在小区内，并通过光纤与中心处理单元相连。

在分布式天线下有K个SU，各分布式天线只负责对SU信号的收发，而所有的信号控制和处理都在中心处理单元完成。在某一时隙下，每个分布式天线服务一个SU，而且每个SU的传输采用单天线传输模式，如附图2所示，天线i分配给第k个SU即SUk，天线j分配给SUl，在该系统中，SU没有授权频带，需使用PU的授权频带，然后通过分布式天线进行通信。每个PU只有一个频带，当同一时刻有不同的K个SU需要接入授权频带，则通过竞拍方式来得到频段。

虽然多个SU可通过空分复用共用同一频段，但相互干扰的SU不能赢得同一频段。在本发明中，在一时隙下一根天线服务一个SU，通过分布式天线间的干扰情况对各SU进行干扰判断，设置干扰距离阈值d，若各SU到各天线的距离小于给定阈值，则SU与被该天线服务的SU相互干扰，否则两SU之间没有干扰，由此构建各SUk和SUl之间的干扰矩阵C＝{c_kl}_K×K来表示两SU间的干扰关系。若c_kl＝1，则SUk和l相互干扰，否则c_kl＝0。

先考虑分布式天线下SU的下行链路的信号接收，可得到其所能达到的信干噪比(SINR)。SU采用单天线传输模式，其他天线视为对该SU的干扰天线集。同时由于SU与PU共用同一频带，SU会受到PU的干扰，则第k个SU的接收信号为：

其中s_k,i为SUk和天线i的阴影衰落，服从均值为u_k,i，标准差为σ的对数正态随机分布，其中α是路径损耗，d_k,i为SUk和天线i之间的距离。h_k,i为瑞利衰落信道，服从独立同分布的复高斯过程。x_i为天线i的发射信号。p为各天线的发射功率，本发明考虑等功率发射。P'为PU的发射功率，g_k为PU到SUi的信道系数，y为PU的发射信号，n_k为均值为0，方差为σ²的加性复高斯白噪声。

SUk的信干噪比为：

其中，s_k,j为SUk和天线j的阴影衰落和路径损耗，服从均值为u_k,j，标准差为σ的对数正态随机分布，其中α是路径损耗，d_k,j为SUk和天线j之间的距离；h_k,j为瑞利衰落信道，服从独立同分布的复高斯过程；p为各天线的发射功率；P'为PU的发射功率，g_k为PU到SUk的信道系数，为服从复高斯分布的加性白噪声的方差。

频谱拍卖过程中，设拍卖第三方为认知分布式天线系统的中心处理单元。PU向中心处理单元提交所拥有的频道信息，N个PU的频带的保留价为r＝[r₁,r₂,...,r_n,...,r_N]，SU对授权频带的估价与其在分布式天线下所得到的信干噪比有关，本发明中SU的估价为v_kn＝B_nlog₂(1+SINR_k)，其中B_n为授权频带的带宽，SINR_k表示第k个SU在信号收发过程得到的信干噪比，每个SU只需要一个频带，所有SU同步向中心处理单元提交对各频带的估价V＝{v_kn}_K×N，其中v_kn表示第k个SU对第n个频带的估价。信道分配矩阵为K×N矩阵X＝{x_kn}_K×K，其中x_kn∈{0，1}，x_kn＝1表示第n个频带分配给第k个SU，否则x_kn＝0。中心处理单元根据收集到的信息决定分配，当SU出价大于频带保留价，可得到频段，但所得分配中若同时赢得同一授权频带的两SU在干扰矩阵中为相互干扰的两SU，则重新分配，直到SU不能通过谎报估价而增加自身收益，拍卖达到纳什均衡，所有PU和SU都对自己的收益满意，这时的分配是最优的分配结果。

本发明的频谱拍卖的目标是将PU的授权频带分配给最需要的SU，即最大化PU的收益，由以上分析，在上述认知分布式天线下各SU的干扰限制条件下，将频谱拍卖定义为以下优化问题：

x_kn∈{0,1},k＝1,2,…,k；n＝1,2,…,N(6)

其中约束(4)表示每个SU只需要一个频带。约束(5)表示相互干扰的两个SU之间不能赢得同一频段。约束(6)中，第n个频带分配给第k个SU，则x_kn＝1，否则x_kn＝0。

以上优化问题是难以求解的整数规划的NP-hard问题，通过拉格朗日松弛算法来对其进行求解，使得目标函数最大化，得到接近最优的分配矩阵X＝{x_kn}_K×N，将授权频段分配给认知分布式天线下最需要的SU。具体求解过程如下：

1.将约束条件中的难约束项(4)通过拉格朗日乘子λ吸收到目标函数中，得到拉格朗日松弛问题：

进一步，得

2.其对偶问题是其中对于给定λ，可将N个频带的分配问题分解为N个子问题，每个子问题中有求解每个频带分配子问题，

由此得到X。由于得到的X不满足干扰约束，利用干扰矩阵对其进行处理，使同时赢得同一频带但相互干扰的两SU中出价高的SU得到频带，出价低的竞拍失败，得到新的分配矩阵X。

3.解的可行化

由于以上处理得到的分配矩阵X还不满足吸收到目标函数中的约束条件，即每个SU只竞拍到一个频带。对赢得多个频带的SU使其只得到其估价最大的频带。由此可得到最终的分配向量X＝{x_kn}_K×K。

4.迭代

将得到的X计算目标函数值Z和松弛问题的值Z_L，判断对偶间隙是否满足设定值，若满足，则所得的X是最优分配，否则进行次梯度优化修正拉格朗日乘子λ。λ^l+1＝λ^l+α^lg^l，其中g^l为Z_L的次梯度α^l为步长因子，得到新的λ后进行下一轮迭代，直到满足对偶间隙设定值，所得的X＝{x_kn}_K×K即为最优分配。